Muse: редагування медіа та код без плутанини

Що насправді входить до Muse

Насамперед варто розділити три різні продукти, інакше назва Muse швидко перетворюється на плутанину. Muse Image працює із зображеннями, Muse Video — з відео, а Muse Code призначена для завдань програмування та великих кодових баз.

В офіційному анонсі Meta щодо Muse Image і Muse Video основний акцент зроблено на генерації та редагуванні. Muse Image може збирати композицію з кількох референсів, поєднуючи людей, об’єкти, одяг, стилі та оточення. Meta також повідомляє про високі позиції моделі в рейтингах людських уподобань Arena для генерації та редагування зображень.

Muse Video описують як модель генерації відео за текстом, яка також отримала високу оцінку в Arena. Водночас станом на 3 вересня 2026 року в офіційному описі немає підтвердження окремого режиму видалення об’єктів або очищення кадрів, порівнянного зі спеціалізованими відеогумками.

Практичний сценарій прибирання візуального шуму виглядає правдоподібним як окремий випадок мультимодального редагування. Але наразі це саме інженерна гіпотеза, а не заявлена функція зі зрозумілими обмеженнями. Я б окремо перевіряв стабільність фону, збереження геометрії та мерехтіння між кадрами: саме там такі пайплайни зазвичай показують свій характер.

Із Muse Code ситуація інша. Сторонні перекази матеріалів Meta наводять результати 82,9 на Terminal-Bench 2.1 і 59,3 на DeepSWE 1.1. Проте ці числа пов’язують із власним контуром оцінювання Meta, а не з незалежно підтвердженими записами у публічних таблицях, тому напряму порівнювати їх із конкурентами ще зарано.

Де Muse справді змінює робочий процес

Найцікавіший сценарій для Muse Code — не генерація проєкту з нуля, а роль другого проходу по вже написаному коду. Модель може бути корисною для спрощення надто ускладнених рішень, пошуку зайвих абстракцій і підготовки компактнішого патчу.

Я б оцінював її не за ефектним демо, а за якістю дифу в реальному репозиторії: чи зберігаються тести, чи не змінюється поведінка і чи справді зменшується складність. Для великих кодових баз також критичні фактичні межі контексту, вартість довгих сесій і стійкість агента, хоча точних офіційних значень у доступних матеріалах немає.

Поки що Muse виглядає не однією універсальною моделлю, а спільною вивіскою над різними інструментами. Головне відкрите питання не в балах, а в тому, чи вміє Muse послідовно прибирати зайве, не створюючи нового шару магії поверх старого.

Ми також розбирали Seedance 2.0 у ChatCut: модель демонструє, як генеративні інструменти працюють із динамікою та фізикою в кадрі. Цей досвід корисний для оцінювання якості обробки фону й артефактів у Muse.